Intermediate and Long-term Outcomes of Survivors of Acute Kidney Injury Episodes: A Large Population-Based Cohort Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The long-term prognosis after acute kidney injury (AKI) is variable. It is unclear how the prognosis of AKI and its relationship to prognostic factors (baseline kidney function, AKI severity, prior AKI episodes, and recovery of kidney function) change as follow-up progresses. STUDY DESIGN: Observational cohort study. SETTING & PARTICIPANTS: The Grampian Laboratory Outcomes Morbidity and Mortality Study II (GLOMMS-II) is a large regional population cohort with complete serial biochemistry and outcome data capture through data linkage. From GLOMMS-II, we followed up 17,630 patients hospitalized in 2003 through to 2013. PREDICTORS: ), AKI severity (KDIGO stage), 90-day recovery of kidney function, and prior AKI episodes. OUTCOMES: Intermediate- (30-364 days) and long-term (1-10 years) mortality and long-term renal replacement therapy. MEASUREMENTS: Poisson regression in time discrete intervals. Multivariable Cox regression for those at risk in the intermediate and long term, adjusted for age, sex, baseline comorbid conditions, and acute admission circumstances. RESULTS: , respectively. Among 1-year survivors, long-term HRs were attenuated: 1.44 (95% CI, 1.31-1.58), 1.25 (95% CI, 1.09-1.43), 1.21 (95% CI, 1.03-1.42), and 1.08 (95% CI, 0.85-1.36), respectively. The excess long-term hazards in AKI were lower for lower baseline eGFRs (P for interaction = 0.01). LIMITATIONS: Nonprotocolized observational data. No adjustment for albuminuria. CONCLUSIONS: The prognostic importance of a discrete AKI episode lessens over time. Baseline kidney function is of greater long-term importance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle